参考文章：卫星定位系统在室内环境或高层建筑密集地区无法检测到卫星信号，无法满足人们对于定位精度的要求。Wi-Fi通信模块在移动终端上的广泛应用，使得WIFI无线定位转变成一种低成本和已于实现的技术。GET THE CODEGET THE DATASET1. 数据预处理数据集信息trainingData2.csv 结构WAP001~ WAP520无线应用协议LONGITUDE经度LATITUDE纬度
转载
2023-08-08 07:45:47
114阅读
论文：IRMCL: Implicit Representation-based Online Global Localization论文地址：https://arxiv.org/pdf/2210.03113.pdf代码：https://github.com/PRBonn/ir-mcl作者单位：德国波恩大学摘要确定移动机器人的状态是机器人导航系统中重要的组成部分。在本文中，我们提出了一种使用2D激光
转载
2023-11-13 13:51:38
37阅读
YOLO（You Only Look Once）是一种基于深度神经网络的对象识别和定位算法，其最大的特点是运行速度很快，可以用于实时系统。现在YOLO已经发展到v3版本，不过新版本也是在原有版本基础上不断改进演化的，所以本文先分析YOLO v1版本。输入一张图片，要求输出其中所包含的对象，以及每个对象的位置（包含该对象的矩形框）。
对象识别和定位，可以看成两个任务：
转载
2023-08-24 17:20:18
253阅读
分类：输入图片，得到相应的标签 定位：输入图片，输出相应框的信息：（x,y,w,h）对应的分别是图片的位置（左上角）以及框的大小 检测：在定位中，一般只有一个或一种对象，当在检测中可能会有多个或多种对象。 我们一般IoU（intersection of union，两目标交集占据两目标并集的百分比）来判断我们的定位的精确度，IoU越大，说明结果和目标越接近。 在定位中，采用滑动窗口（Slidi
转载
2023-11-14 03:08:51
90阅读
个人理解BP神经网络属于人工智能范畴，在我看来它更多的是一个用于预测的工具，尽管它的用处还不仅于此。在数学建模上，很多时候，题目提供了很多历史数据，我经常用这些历史数据，用BP神经网络训练它，利用训练好的BP神经网络，来预测接下来的未知的值。BP神经网络关于该神经网络的繁多的理论这里就不去深究了，百度一查一大把，一堆的理论反正我是看不下去的，所以这里只是讲如何把BP神经网络当成一个工具来用，当然一
转载
2023-08-16 17:58:45
83阅读
前言前段时间学习完OpenCV的基础部分后，做了简单的二维码识别与条形码识别，最近做了一下这个车牌识别系统，本来是OpenCv还没有学到机器学习的位置，但是结合之前参加数学建模的时候对神经网络的了解，做了这个车牌字符的训练与识别。目录：目录前言目录：处理步骤1 图像预处理与车牌定位1.1 灰度处理-滤波-索贝尔求导-二值化1.2 开操作-去除小的对象1.3 闭操作-填充小的孔，使车牌特征连在一起1
转载
2023-12-28 05:51:51
109阅读
神经网络与误差反向传播算法神经网络人工神经元激活函数前馈神经网络目标函数梯度的反向传播梯度下降的方法 神经网络模拟了大脑的结构，利用大量神经元按照一定的体系架构连接成网状的结构。简单地讲就是通过神经网络在输入和输出之间建立联系。人工神经元 接受前一层传来的数据，并将这些数据的加权和输入非线性作用函数中，最后将非线性作用函数的输出结果传递给后一层。输入向量 权重向量偏置标量 激活函数激活函数 非线
转载
2023-12-15 17:41:56
104阅读
一、目标定位目标定位从标准的CNN图像分类出发，在这个基础上又增加了更多的y值，比如PC表示图片中是否有检测物，如果有是1，否是0bx，by，bh，bw分别是定位矩形区域参数c1，c2，c3表示定位出来的物品属于哪个类别注意，如果pc是-，后面就没有意义，就全部不关心损失函数： 二、特征点检测除了用矩形框选出区域，我们哈可以对关键点定位，输入每个关键点的x，y坐标来定位，比如第一个为是否
转载
2024-01-15 07:39:33
240阅读
OpenCV DNN模块介绍OpenCV自从发布了DNN模块之后，就开始以开挂的方式支持各种深度学习预训练模型的调用，DNN模块的全称为深度神经网络，但是并不是所有深度学习模型导出到OpenCV DNN模块中都可以使用，只有那些OpenCV声明支持的层与网络模型才会被DNN模块接受,当期OpenCV支持的模型与层类型可以在下面链接中找到相关文档https://github.com/opencv/o
转载
2023-09-04 18:35:22
86阅读
目标检测是计算机视觉领域中一个新兴的应用方向。相比前两年，它的性能越来越好。对象定位在构建对象检测之前，我们先了解一下对象定位。定位分类问题： 不仅要用算法判断图片中是不是一辆汽车，还要在图片中标记出它的位置。 定位分类问题通常只有一个较大的对象位于图片中间位置。对象检测问题： 图片可以含有多个对象，甚至单张图片中会有多个不同分类的对象。图片分类的思路可以帮助学习分类定位，而对象定位的思路又有助于
转载
2023-10-16 13:24:53
165阅读
图像分类：即算法遍历图片，判断其中的对象是不是汽车 定位分类问题：即用算法判断图中是否有汽车还要在图中标记出它的位置，用红色方框圈起来。 图像分类，例如输入一张图片到多层卷积神经网络，它会输出一个特征向量并反馈给softmax来预测图片类型。 如果还想定位图片中汽车的位置，该怎么做呢？我们可以让神经网络多输出几个单元，输出一个边界框（bounding box）。具体说就是让神经网络再多输出4个数字
转载
2023-09-05 10:04:23
178阅读
文章目录前言猜想实验实验思路网络结构——position encoding network评价指标实验结果 前言卷积神经网络在图像领域性能十分卓越，不仅可应用于图像识别，也可应用于目标检测与语义分割。目标检测与语义分割都需要定位目标在图像中的位置，而卷积神经网络在这两类任务中表现优异，是否意味着卷积神经网络可以编码目标的绝对位置（目标在图像中的位置，而不是目标相对于图像中的其他事物的位置）信息呢
转载
2024-02-26 07:00:38
40阅读
BP算法笔记定义：前期准备：BP算法基本思想：反向传播：实例：以波士顿房价预测问题为例：数据处理模型设计：前向传播算法：损失函数设计：梯度下降算法：梯度计算：梯度更新与训练：不足点：改进：随机梯度下降算法：代码实现如下：总结： 定义：BP(Back Propagation)算法是由学习过程由信号的正向传播与误差的反向传播两个过程组成。由于多层前馈网络的训练经常采用误差反向传播算法，人们也常把将多
转载
2023-09-19 21:40:07
79阅读
基于BP神经网络的室内声源定位算法的实现(附有程序)问题描述 现在有一个安静的房子，有一个人在房间里走动，我要利用屋里的麦克风接收这个人的脚步声，然后对这个人进行定位。研究的意义 声源定位可以克服视觉定位的缺点，对看不见的地方也可以定位，在机器人追踪与探测方面得到了很好的应用。室内声源定位被广泛应用于视频会议、智能家居、车载通话设备等场景中。特别是在人工智能时代，结合机器学习和深度学习，室内声源定
转载
2023-10-11 15:18:45
83阅读
1. 目标定位和特征点检测图片检测问题：分类问题：判断图中是否为汽车；目标定位：判断是否为汽车，并确定具体位置；目标检测：检测不同物体并定位。目标分类和定位：对于目标定位问题，我们卷积神经网络模型结构可能如下： 输出：包含图片中存在的对象及定位框行人， or ；汽车， or ；摩托车， or ；图片背景， or ；定位框： 、、、其中， 表示汽车中点， 分别表示定位框的高和宽。以图片左上角为，
转载
2024-01-11 12:38:00
88阅读
七、激活函数的使用 通过之前的学习我们都了解到了激活函数的作用，现在我们将会讲解一下激活函数在不同的神经网络中的应用： 1、首先是sigmoid 函数： a=11+e−z 它的图像可以表示为： 但是这个激活函数多使用在二分分类输出的神经网络，因为需要寻找1和0值，所以在一般的神经网络中我们很少使用这个激活函数。对应的导数为： g′(z)=a(1−a) 这为后面的计算节省了很多时间。 2
转载
2024-01-10 20:01:43
186阅读
卷积神经网络一、卷积神经网络与BP网络（传统前馈神经网络）相比具有以下特点：（1）、采取局部连接（稀疏连接），减少了所需参数； （2）、可直接处理二维数据，故常被用于图片处理操作； （3）、具有三个基本层——卷积层、池化层、全连接层：卷积层CNN算法常用于图片处理，其中卷积层是通过多个卷积核对输入的图片像素矩阵进行局部连接，通过权值共享与卷积的方式进行图片的特征提取得到特征映射数据。（所以卷积核又
转载
2023-09-15 15:36:43
439阅读
很高兴在这里有机会和大家分享我的工作。刚才几位老师主要讨论了神经科学方面很多较为深入的研究，我主要是想谈谈如何从神经科学或脑科学的角度出发，结合人工智能，进而实现机器人的智能，主要包括智能的感知环境、建图、自定位和认知导航。首先解释一下仿脑GPS。在动物大脑内部存在一个类似于GPS的智能系统，能够实现与GPS类似，但更具智能的定位和导航功能。我们遵从生物神经科学原理，将此智能系统在机器人平台上实现
转载
2023-12-08 11:15:46
49阅读
谷歌实际操作已经有3年了为什么还是没有将网络的能力指数增加 原因是为什么 这萝卜还用说 坑一定是现在的神经网络本质就是无法指数级别优化的所以谷歌填坑这么多年仍然没有填好,但是走向正确的道理之前一定是经过错误,才能避免错误的 如果谷歌得到了什么启示,目前的神经网络会得到很大的改进,或者是颠覆的创造.人类的基因也是如此的, 我们的染色体经过不断的自我复制的过程中进步,但是基因不过是一个编码而已真正强大
原创
2022-04-06 10:13:22
436阅读
1 基本概念BP神经网络是一种通过误差反向传播算法进行误差校正的多层前馈神经网络，其最核心的特点就是：信号是前向传播，而误差是反向传播。前向传播过程中，输入信号经由输入层、隐藏层逐层处理，到输出层时，如果结果未到达期望要求，则进入反向传播过程，将误差信号原路返回，修改各层权重。2 BP神经网络结构BP神经网络包含输入层、隐藏层和输出层，其中，隐藏层可有多个，其中，输入层和输出层的节点个数是固定的（
原创
2021-03-23 20:00:09
3030阅读
